BigData PILAB S.A./Krystian / Wstęp. / Co to jest BigData? / Co to jest Hadoop?

Wielkość: px
Rozpocząć pokaz od strony:

Download "BigData. 2014 PILAB S.A./Krystian Piećko/CTO/krystian.piecko@pilab.pl/ / Wstęp. / Co to jest BigData? / Co to jest Hadoop?"

Transkrypt

1 Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it / Wstęp / Co to jest BigData? / Co to jest Hadoop? / Czy zawsze BigData == Hadoop? / Co się dzieje na świecie? 2014 PILAB SA/Krystian Piećko/CTO/krystianpiecko@pilabpl/

2 / KIM JESTEM?

3 O PILAB / PILAB SA (PI= ) Vendor technologii / 20 klientów i duży pipeline na 2015 rok / 35 pracowników / Notowana na (WSE: NewConnect) / Technologia zweryfikowana przez ekspertów z Doliny Krzemowej / BigData dla biznesu od 2006 roku nie wiedząc, że to BigData

4 KIM JESTEŚMY? / Rynki / Modularna platforma do zarządzania danymi i wiedzą / Framework programistyczny 4 zgłoszenia patentowe w UE & US Breakthrough visit from Silicon Valley Gabe Gotthard joins the team Testing the technology on new markets Positive verification of the business scalability and global markets perspective Go-Global decision Museums and archives as main clients New use-cases positive verification

5 / CO TO JEST BIG DATA?

6 / Próba definicji Wiele różnych definicji / Czy są to duże zestawy danych?

7 / Próba definicji Wiele różnych definicji / Czy są to duże zestawy danych? / Czy są to informacje zbierane z social media?

8 / Próba definicji Wiele różnych definicji / Czy są to duże zestawy danych? / Czy są to informacje zbierane z social media? / Czy jest to coś innego?

9 / Próba definicji Wiele różnych definicji / Czy są to duże zestawy danych? / Czy są to informacje zbierane z social media? / Czy jest to coś innego? / Volume Velocity Variety

10 / Próba alternatywnej definicji Wszystkie dane, które znajdują się pomiędzy,,data points'' (węzłami danych) można uznać za BigData Definicja podana przez Marka Beyera na konferencji Gartner BI&DW LasVegas 2014

11 / Próba alternatywnej definicji Wszystkie dane, które znajdują się pomiędzy,,data points'' (węzłami danych) można uznać za BigData CRM/ERP/DMS/

12 / Próba alternatywnej definicji Wszystkie dane, które znajdują się pomiędzy,,data points'' (węzłami danych) można uznać za BigData CRM/ERP/DMS/ Definicja podana przez Marka Beyera na konferencji Gartner BI&DW LasVegas 2014

13 / Próba alternatywnej definicji Wszystkie dane, które znajdują się pomiędzy,,data points'' (węzłami danych) można uznać za BigData CRM/ERP/DMS/ BigData Definicja podana przez Marka Beyera na konferencji Gartner BI&DW LasVegas 2014

14 / Próba alternatywnej definicji Wszystkie dane, które znajdują się pomiędzy,,data points'' (węzłami danych) można uznać za BigData CRM/ERP/DMS/ BigData Definicja podana przez Marka Beyera na konferencji Gartner BI&DW LasVegas 2014

15 / Historia tematu w skrócie Google GFS 2003

16 / Historia tematu w skrócie Google GFS Google MapReduce

17 / Historia tematu w skrócie Doug Cutting DFS&MapReduce Nutch Google GFS Google MapReduce

18 / Historia tematu w skrócie Doug Cutting DFS&MapReduce Nutch Google GFS Google Bigtable Google MapReduce

19 / Historia tematu w skrócie Doug Cutting DFS&MapReduce Nutch Google GFS Google Bigtable Google MapReduce HDFS Apache Foundation

20 / Historia tematu w skrócie Doug Cutting w Yahoo & Nutch -> Hadoop-010 Doug Cutting DFS&MapReduce Nutch Google GFS Google Bigtable Google MapReduce HDFS Apache Foundation

21 / Historia tematu w skrócie Doug Cutting w Yahoo & Nutch -> Hadoop-010 Doug Cutting DFS&MapReduce Nutch Google GFS Google Bigtable Google MapReduce Hadoop w Apache Foundation HDFS Apache Foundation

22 / Historia tematu w skrócie Doug Cutting w Yahoo & Nutch -> Hadoop-010 Doug Cutting DFS&MapReduce Nutch Facebook Hive Google GFS Google Bigtable Google MapReduce Hadoop w Apache Foundation HDFS Apache Foundation

23 / Historia tematu w skrócie Doug Cutting w Yahoo & Nutch -> Hadoop-010 Cloudera Doug Cutting DFS&MapReduce Nutch Facebook Hive Google GFS Google Bigtable Google MapReduce Hadoop w Apache Foundation HDFS Apache Foundation

24 BigData / Po co to wszystko

25 / Hadoop

26 Hadoop / Środowisko / ekosystem różnych rozwiązań, / mylone z BigData,

27 Hadoop / Środowisko / ekosystem różnych rozwiązań, / mylone z BigData, / nazwa i logo od ulubionej zabawki dziecka Douga Cuttinga

28 Hadoop / Środowisko

29 / Quo vadis?

30 Rewolucja? / Kto się tym zajmuje?

31 Rewolucja? / Kto się tym zajmuje? / zbieranie danych,

32 Rewolucja? / Kto się tym zajmuje? / zbieranie danych, / bazy danych i ich ewolucja,

33 Rewolucja? / Kto się tym zajmuje? / zbieranie danych, / bazy danych i ich ewolucja, / nowe podejście do baz danch,

34 Rewolucja? / Kto się tym zajmuje? / zbieranie danych, / bazy danych i ich ewolucja, / nowe podejście do baz danch, / wybór odpowiedniego podejścia do zastosowań

35 Przepowiednie / Inne technologie i rozwiązanie problemów

36 / Q&A

37 / Dziękuję za uwagę Krystian Piećko

Hadoop i Spark. Mariusz Rafało

Hadoop i Spark. Mariusz Rafało Hadoop i Spark Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl WPROWADZENIE DO EKOSYSTEMU APACHE HADOOP Czym jest Hadoop Platforma służąca przetwarzaniu rozproszonemu dużych zbiorów danych. Jest

Bardziej szczegółowo

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Organizacyjnie. Prowadzący: dr Mariusz Rafało   (hasło: BIG) Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Zaliczenie: Praca na zajęciach Egzamin Projekt/esej zaliczeniowy Plan zajęć # TEMATYKA ZAJĘĆ

Bardziej szczegółowo

Wprowadzenie do Hurtowni Danych

Wprowadzenie do Hurtowni Danych Wprowadzenie do Hurtowni Danych BIG DATA Definicja Big Data Big Data definiowane jest jako składowanie zbiorów danych o tak dużej złożoności i ilości danych, że jest to niemożliwe przy zastosowaniu podejścia

Bardziej szczegółowo

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów, architektów oraz

Bardziej szczegółowo

Architektura rozproszonych magazynów danych

Architektura rozproszonych magazynów danych Big data Big data, large data cloud. Rozwiązania nastawione na zastosowanie w wielkoskalowych serwisach, np. webowych. Stosowane przez Google, Facebook, itd. Architektura rozproszonych magazynów danych

Bardziej szczegółowo

Analityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017

Analityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017 Analityka danych w środowisku Hadoop Piotr Czarnas, 5 czerwca 2017 Pytania stawiane przez biznes 1 Jaka jest aktualnie sytuacja w firmie? 2 Na czym jeszcze możemy zarobić? Które procesy możemy usprawnić?

Bardziej szczegółowo

Big Data & Analytics

Big Data & Analytics Big Data & Analytics Optymalizacja biznesu Autor: Wiktor Jóźwicki, Scapaflow Senior Consultant Data wydania: 05.02.2014 Wprowadzenie Niniejszy dokument przedstawia zagadnienie Big Data w ujęciu zapotrzebowania

Bardziej szczegółowo

HADOOP Dariusz Ż bik

HADOOP Dariusz Ż bik Dariusz Żbik DLACZEGO? Przetwarzanie dużych zbiorów danych Przykład wyszukiwanie w zbiorze 100TB 1 węzeł @ 40MB/s -> 30 dni MTBF ~ 3 lata 1000 węzłów @ 40MB/s -> 44 minuty MTBF ~ 1 dzień Potrzebny framework

Bardziej szczegółowo

Instytut Informatyki Politechniki Warszawskiej

Instytut Informatyki Politechniki Warszawskiej Instytut Informatyki Politechniki Warszawskiej Cele Stworzenie korzystnych warunków rekrutacyjnych dla uczestników oraz partnerów biznesowych projektu Dostarczenie w krótkim czasie umiejętności w obszarach

Bardziej szczegółowo

Jednostkowy Raport Roczny PiLab SA za 2014 rok

Jednostkowy Raport Roczny PiLab SA za 2014 rok Jednostkowy Raport Roczny PiLab SA za 2014 rok Wrocław, 02.06.2015 rok PiLab Spółka Akcyjna LIST PRZEWODNI ZARZĄDU PiLab S.A.... 3 WPROWADZENIE... 4 INFORMACJE O SPÓŁCE... 4 WYBRANE DANE FINANSOWE EMITENTA

Bardziej szczegółowo

Zastosowania narzędzi analitycznych w komunikacji społecznej

Zastosowania narzędzi analitycznych w komunikacji społecznej Zastosowania narzędzi analitycznych w komunikacji społecznej Jarosław Romaniuk/ 11 maja 2015 Media Społeczne dziś Użytkownicy sieci społecznościowych w 2014r (mln) Na Świecie W Polsce Liczba użytkowników

Bardziej szczegółowo

Jednostkowy Raport Roczny PILAB SA za 2013 rok

Jednostkowy Raport Roczny PILAB SA za 2013 rok Jednostkowy Raport Roczny PILAB SA za 2013 rok Wrocław, 02.06.2014 rok pilab.pl Spis treści: LIST PRZEWODNI ZARZĄDU PILAB S.A.... 3 WPROWADZENIE... 7 INFORMACJE O SPÓŁCE... 7 WYBRANE DANE FINANSOWE EMITENTA

Bardziej szczegółowo

Big Data. Czym jest Big Data?

Big Data. Czym jest Big Data? Big Data Czym jest Big Data? Volume rozmiar danych giga/tera/petabajty Variety różnorodność, często bez struktury np. maile, zdjęcia, Tweety Velocity szybkość przyrastania danych 2 Big Data Jakie możliwości

Bardziej szczegółowo

WZROST SPRZEDAŻY. sposoby na które stać każdego z Twoich konkurentów 2014_03_19

WZROST SPRZEDAŻY. sposoby na które stać każdego z Twoich konkurentów 2014_03_19 WZROST SPRZEDAŻY sposoby na które stać każdego z Twoich konkurentów 2014_03_19 Najlepsze doświadczenie obsługi klienta w moim życiu State Farm like a good neighbor is always there! Procesy: - Rekrutacja

Bardziej szczegółowo

Analityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017

Analityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017 Analityka danych w środowisku Hadoop Piotr Czarnas, 27 czerwca 2017 Hadoop i Business Intelligence - wyzwania 1 Ładowane danych do Hadoop-a jest trudne 2 Niewielu specjalistów dostępnych na rynku Dostęp

Bardziej szczegółowo

Wprowadzenie do Apache Spark. Jakub Toczek

Wprowadzenie do Apache Spark. Jakub Toczek Wprowadzenie do Apache Spark Jakub Toczek Epoka informacyjna MapReduce MapReduce Apache Hadoop narodziny w 2006 roku z Apache Nutch open source składa się z systemu plików HDFS i silnika MapReduce napisany

Bardziej szczegółowo

Paweł Wieczyński - Prezes Zarządu

Paweł Wieczyński - Prezes Zarządu Paweł Wieczyński - Prezes Zarządu imię, nazwisko, zajmowane stanowisko lub funkcje pełnione w ramach emitenta oraz termin upływu kadencji, na jaką dana osoba została powołana Paweł Wieczyński - Prezes

Bardziej szczegółowo

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek

CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek CO MOZ NA WYCISNA C Z SAMOOBSŁUGI CZYLI SPRZEDAZ W KANAŁACH SELF CARE? Bartosz Szkudlarek Self Care, Big Data i sprzedaż 2 Czym jest Self Care? Aplikacja Self Care pozwala użytkownikom na obsługę swojego

Bardziej szczegółowo

Microsoft Excel: The king of BI - ciąg dalszy

Microsoft Excel: The king of BI - ciąg dalszy Nowa wersja AFIN.NET «Wróć do tematów Microsoft Excel: The king of BI - ciąg dalszy Opcje Odpowiedz «Poprzednia 1 8 9 10 11 12 13 Następna» Oj chłopaki, chłopaki,... Ledwo co się odezwałem do Darka na

Bardziej szczegółowo

MODELE BIG DATA WE WSPOMAGANIU DECYZJI BIZNESOWYCH

MODELE BIG DATA WE WSPOMAGANIU DECYZJI BIZNESOWYCH MODELE BIG DATA WE WSPOMAGANIU DECYZJI BIZNESOWYCH OPIEKUN NAUKOWY: dr hab. inż. Tadeusz A. Grzeszczyk mgr Agnieszka Kucharska Wydział Zarządzania 2 STRUKTURA PREZENTACJI Definicja i zadania Big Data Trzy

Bardziej szczegółowo

Multiscreen i nie tylko, czyli jak zmienia się świat wokół nas

Multiscreen i nie tylko, czyli jak zmienia się świat wokół nas Multiscreen i nie tylko, czyli jak zmienia się świat wokół nas Sylwia Kempa Kraków, 19 stycznia 2017 r. Rok Mobile kiedy nadejdzie? 6 201 7 Rok Mobile O roku ów! Kto ciebie widział w naszym kraju! Źródło:

Bardziej szczegółowo

Informacje organizacyjne:

Informacje organizacyjne: Informacje organizacyjne: 1. Zaliczenie przedmiotu zostanie przeprowadzone w formie testu, z którego będzie można zdobyć maksymalnie 100 punktów. Skala ocen: 00 50 punktów: 2 51 60 punktów: 3 61 70 punktów:

Bardziej szczegółowo

Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga

Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga Dlaczego STG Lab Services? Dlaczego STG Lab Services? Technologia w służbie biznesu Jakie zewnętrzne czynniki będą wpływały na twoją

Bardziej szczegółowo

PLNOG#10 Hadoop w akcji: analiza logów 1

PLNOG#10 Hadoop w akcji: analiza logów 1 PLNOG#10 Hadoop w akcji: analiza logów 1 Hadoop w akcji: analiza logów rkadiusz Osiński arkadiusz.osinski@allegro.pl PLNOG#10 Hadoop w akcji: analiza logów 2 genda 1. Hadoop 2. HDFS 3. YRN 4. Map & Reduce

Bardziej szczegółowo

Narzędzia i trendy Big Data

Narzędzia i trendy Big Data Narzędzia i trendy Big Data 1 Zamiast wstępu Model relacyjny 1970: podwaliny teoretyczne modelu 1980: SQL hype 1990: upowszechnienie standardu i narzędzi Model map-reduce 1995: koncepcja przetwarzania

Bardziej szczegółowo

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Partner merytoryczny Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów,

Bardziej szczegółowo

US-Poland Innovation Hub

US-Poland Innovation Hub Go Global, Poland! Magdalena Diering, Magdalena Pakulniewicz Konferencja Go_Global.pl, Narodowe Centrum Badań i Rozwoju Warszawa, 21 Maja 2013 Cele programu Sprawdź swoją strategię GoGlobal - oferta USPTC

Bardziej szczegółowo

One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb

One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb X Kongres Business Intelligence Warszawa, 17.03.2016 Joanna Łuczak Multi-Partnerski

Bardziej szczegółowo

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Organizacyjnie. Prowadzący: dr Mariusz Rafało   (hasło: BIG) Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Automatyzacja Automatyzacja przetwarzania: Apache NiFi Źródło: nifi.apache.org 4 Automatyzacja

Bardziej szczegółowo

Apache Hadoop framework do pisania aplikacji rozproszonych

Apache Hadoop framework do pisania aplikacji rozproszonych Apache Hadoop framework do pisania aplikacji rozproszonych Piotr Praczyk Wprowadzenie Istnieje wiele rodzajów obliczeń, których wykonywanie na pojedynczej maszynie, nawet najpotężniejszej, jest zbyt czasochłonne.

Bardziej szczegółowo

Szkolenia SAS Cennik i kalendarz 2017

Szkolenia SAS Cennik i kalendarz 2017 Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS

Bardziej szczegółowo

ó ś ń Ś Ó Ó Ó Ó ś Ó ż Ó Ś Ę Ó ó Ó ó Ś Ó óó Ś ś Ó ć Ź Ó ś ś ż ó ó ś Ó Ó ń Ś ś Ó ń ż ś ś Ó Ę Ó Ó Ó ś ó ś Ó Ś Ó Ś ń ń Ó ó ń ż ś Ó Ó ż ń Ś ó ż ń Ó Ś ż ń Ś ść ż ó ń ż Ś ż Ś Ś Ś Ó ń ś Ś Ó ń Ó Ą Ó Ą ć ż Ą ś ń

Bardziej szczegółowo

Ó ź Ó ź Ź Ó Ź Ó Ó Ę Ź Ą Ć Ó Ó Ź Ś Ź ź Ę Ź ŚÓ Ś Ó ź Ó Ę Ź Ó Ó Ó ŚÓ Ź Ó ź ź Ź ź ź Ę Ś ź Ą Ś Ź ź Ę Ł Ś Ź Ś ź ź Ł Ś ź Ś Ś Ś Ę Ę Ł Ł Ą Ś Ę Ą Ę Ź Ę Ę Ó Ś Ę Ń Ś Ć Ś Ś Ó Ś Ę Ę Ł Ą Ę Ą Ś Ź Ć Ó Ł ź Ń Ź Ą ź Ę Ź Ź

Bardziej szczegółowo

Ś Ś Ś ż Ł Ą Ą Ń Ś ż Ś ż Ą ż ż Ó Ź Ź ć ć ż ć Ą ć ć Ś ć ŚÓ ć ć ć ż ź Ł ż Ś Ł Ą Ó ż Ź ż ć Ś Ą Ó ż ć ż ź ż ć Ś ć Ź ż Ń Ł Ł ż ż Ą Ś ź ż ć ć Ł Ą Ą Ś Ś ż ć Ó Ó Ś Ź ź ź ż Ą ż ż ć Ść Ó ż ć Ś ź Ś Ś Ł Ś Ł Ł Ł Ł Ł

Bardziej szczegółowo

Ń ŚÓ Ź Ś ź Ś Ś ć Ą ć Ź ć ć Ś ć Ś ź ć Ś ź Ś ć ź ć Ś ź Ę ć ć Ś Ś Ą ź Ś Ś Ś Ś ć Ś Ś Ś ź Ś Ś Ś Ś Ż ć Ś Ć ć ć ź ć Ś Ś Ś ŚĆ Ś ź Ś Ś ć ć ć Ś Ć ć ć Ć Ś Ś Ś ŚĆ Ś Ś Ś ć ć ź Ś Ż Ś Ś Ś Ś Ś Ś Ą Ż Ś Ś Ś Ś Ś ć ć Ó ź

Bardziej szczegółowo

ń ń ś Ś Ó Ó ń ń ść ś ś ś ś ś ś ś ś ć ś ść ś ś ć ś Ż ć ś ś ś ść ć ś ń ć Ź Ż ń ń ś Ż Ą ć ń ń ś śó Ż ś ć Ź ś Ó ś Ż ś Ź ś ś ś Ż ś ś ś Ź ś ń ś Ę ć ś ś ń ś ś ś ń Ż Ż ś ś ś ń ć ć Ż ś ń Ż ś ń Ą ś ś ć ś ś Ż ś ś

Bardziej szczegółowo

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI

Z-ID-608b Bazy danych typu Big Data Big Data Databases. Specjalnościowy Obowiązkowy Polski Semestr VI KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angieskim Obowiązuje od roku akademickiego 015/016 Z-ID-608b Bazy danych typu Big Data Big Data Databases A. USYTUOWANIE MODUŁU

Bardziej szczegółowo

STRATEGICZNE WYZWANIA CYFROWEJ TRANSFORMACJI PERSPEKTYWA KLUCZOWYCH KOMPETENCJI

STRATEGICZNE WYZWANIA CYFROWEJ TRANSFORMACJI PERSPEKTYWA KLUCZOWYCH KOMPETENCJI STRATEGICZNE WYZWANIA CYFROWEJ TRANSFORMACJI PERSPEKTYWA KLUCZOWYCH KOMPETENCJI prof. UE, dr hab. Grzegorz Bełz Katedra Projektowania Systemów Zarządzania Uniwersytet Ekonomiczny we Wrocławiu WYZWANIA

Bardziej szczegółowo

SQL Server 2016 w świecie Big Data

SQL Server 2016 w świecie Big Data temat prelekcji.. SQL Server 2016 w świecie Big Data prowadzący Bartłomiej Graczyk Data Platform Solution Architect bartlomiej.graczyk@microsoft.com bartek@graczyk.info.pl Agenda Dane na świecie wczoraj,

Bardziej szczegółowo

UX ma znaczenie. O różnych podejściach do projektowania interakcji na mobile.

UX ma znaczenie. O różnych podejściach do projektowania interakcji na mobile. UX ma znaczenie. O różnych podejściach do projektowania interakcji na mobile. K r a k ó w, 2 4. 0 5. 2 0 1 3 Agenda 1. Co to jest UX? 2. Benchmark vs Badania 3. Guidelines vs my way 4. Silosy vs Team 5.

Bardziej szczegółowo

Advisory. Jak odczytywać intencje kupujących z cyfrowych śladów Twoich klientów?

Advisory. Jak odczytywać intencje kupujących z cyfrowych śladów Twoich klientów? Advisory Jak odczytywać intencje kupujących z cyfrowych śladów Twoich klientów? Grzegorz Urban Ekspert ds. projektów generowania popytu, automatyzacji marketingu oraz zarządzania przychodami. Wicedyrektor

Bardziej szczegółowo

Financial support for start-uppres. Where to get money? - Equity. - Credit. - Local Labor Office - Six times the national average wage (22000 zł)

Financial support for start-uppres. Where to get money? - Equity. - Credit. - Local Labor Office - Six times the national average wage (22000 zł) Financial support for start-uppres Where to get money? - Equity - Credit - Local Labor Office - Six times the national average wage (22000 zł) - only for unymployed people - the company must operate minimum

Bardziej szczegółowo

Zmień taktykę przejdź do ofensywy! Staw czoła cyfrowej transformacji!

Zmień taktykę przejdź do ofensywy! Staw czoła cyfrowej transformacji! Zmień taktykę- przejdź do ofensywy. Staw czoła cyfrowej transformacji. Zmień taktykę przejdź do ofensywy! Staw czoła cyfrowej transformacji! Prezentacja wyników badania IDC w Polsce na tle badań globalnych

Bardziej szczegółowo

Hbase, Hive i BigSQL

Hbase, Hive i BigSQL Hbase, Hive i BigSQL str. 1 Agenda 1. NOSQL a HBase 2. Architektura HBase 3. Demo HBase 4. Po co Hive? 5. Apache Hive 6. Demo hive 7. BigSQL 1 HBase Jest to rozproszona trwała posortowana wielowymiarowa

Bardziej szczegółowo

SPIS TREŚCI: LIST PRZEWODNI PREZESA ZARZĄDU PILAB S.A. Jednostkowy raport roczny pilab S.A. za 2012 rok. Wrocław, dnia 26.04.2013 r.

SPIS TREŚCI: LIST PRZEWODNI PREZESA ZARZĄDU PILAB S.A. Jednostkowy raport roczny pilab S.A. za 2012 rok. Wrocław, dnia 26.04.2013 r. ć SPIS TREŚCI: LIST PRZEWODNI PREZESA ZARZĄDU PILAB S.A. Jednostkowy raport roczny pilab S.A. za 2012 rok Wrocław, dnia 26.04.2013 r. SPIS TREŚCI: WPROWADZENIE... 5 INFORMACJE O SPÓŁCE... 6 WYBRANE DANE

Bardziej szczegółowo

Ą Ą Ą Ń Ę Ę ń ń ń Ń Ń Ń ń Ą Ą ń ń ćż Ą Ę ń ń ń Ó ń Ż Ą ń ŚĆ Ń Ś Ń Ś Ą Ś ć ń ć ź ń Ń ń ć ź Ń Ś Ó Ż ń ź ź ń ĄŚ Ą Ś Ń ń ń ń Ę Ę ń Ż Ż Ż ń ć ń Ń ć ń Ń ŚĆ Ć ń Ń Ń ŚÓ Ą ć ć Ą Ń ź Ę ć ć ć ź ć ć ź ć ź ć ź Ę ć

Bardziej szczegółowo

TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com

TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com 13 + 13 LAT DOŚWIADCZENIA PONAD 480 ZREALIZOWANYCH PROJEKTÓW PARTNERSTWO Naszą ambicją jest dostarczać klientom szeroki

Bardziej szczegółowo

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Organizacyjnie. Prowadzący: dr Mariusz Rafało   (hasło: BIG) Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Data Camp Architektura Data Lake Repozytorium służące składowaniu i przetwarzaniu danych o

Bardziej szczegółowo

SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik

SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop Piotr Borowik Wyzwania związane z Big Data Top Hurdles with Big data Source: Gartner (Sep 2014), Big Data Investment Grows

Bardziej szczegółowo

ZAPYTANIE OFERTOWE. Ilość godzin szkoleniowych

ZAPYTANIE OFERTOWE. Ilość godzin szkoleniowych Kraków, 14 czerwiec 2013 r. ZAPYTANIE OFERTOWE GRUPA INTERIA.PL sp. z o.o. sp. k. (dawniej: INTERIA.PL spółka z ograniczoną odpowiedzialnością) z siedzibą w Krakowie, Os. Teatralne 9A, 31-946 Kraków, poszukuje

Bardziej szczegółowo

Definicja. Not Only SQL

Definicja. Not Only SQL Definicja Not Only SQL Baza danych NoSQL to program zapewniający szybki dostęp do danych różniący się w jakiś sposób od stadardowych baz RDBMS. Baza NoSQL to szereg różnych rozwiązań nazwanych jednym określeniem.

Bardziej szczegółowo

ZWIĘKSZAJ I AKTYWIZUJ SWOJĄ SPOŁECZNOŚĆ

ZWIĘKSZAJ I AKTYWIZUJ SWOJĄ SPOŁECZNOŚĆ ZWIĘKSZAJ I AKTYWIZUJ SWOJĄ SPOŁECZNOŚĆ PLATFORMA CUSTOMER ENGAGEMANET www.2take.it Dostarczymy bazę kontaktów do Twoich klientów ZRÓB ZDJĘCIE PARAGONU I ZBIERA J PUNKTY LOJALNOŚCIOWE Czytamy ze zdjęcia

Bardziej szczegółowo

Lubomierz, Polska

Lubomierz, Polska 02-04.08.2019 Lubomierz, Polska Słowem wstępu PixelMania to elitarny festiwal dla fotografów i cosplayerów, który gromadzi posjonatów z całego świata, zapewniając im niezbędne narzędzia pracy. Rok 2019

Bardziej szczegółowo

Estimation and planing. Marek Majchrzak, Andrzej Bednarz Wroclaw, 06.07.2011

Estimation and planing. Marek Majchrzak, Andrzej Bednarz Wroclaw, 06.07.2011 Estimation and planing Marek Majchrzak, Andrzej Bednarz Wroclaw, 06.07.2011 Story points Story points C D B A E Story points C D 100 B A E Story points C D 2 x 100 100 B A E Story points C D 2 x 100 100

Bardziej szczegółowo

niedziela, 29 stycznia 2012 PR dobrych praktyk

niedziela, 29 stycznia 2012 PR dobrych praktyk PR dobrych praktyk o PSPR PSPR to najstarsza organizacja branżowa w Polsce 19 stycznia obchodziliśmy okrągłą rocznicę popularyzacja zagadnień związanych z Public Relations wskazywanie kierunku i działań

Bardziej szczegółowo

ZALETY NOWSZYCH WERSJI I KIERUNKI ROZWOJU SPDS-A SŁAWOMIR BOKINIEC

ZALETY NOWSZYCH WERSJI I KIERUNKI ROZWOJU SPDS-A SŁAWOMIR BOKINIEC ZALETY NOWSZYCH WERSJI I KIERUNKI ROZWOJU SPDS-A SŁAWOMIR BOKINIEC AGENDA Wybrane zalety wersji 5.1 i wcześniejszych SPDS z SAS Gridem Co kształtuje kierunki rozwoju? Nowsze wersje SPDS z Hadoopem WYBRANE

Bardziej szczegółowo

Nowe przewagi konkurencyjne - technologia, informacja, społeczność

Nowe przewagi konkurencyjne - technologia, informacja, społeczność Seminarium Nowe przewagi konkurencyjne - technologia, informacja, społeczność Bogna Zacny Warszawa, 13.11.2015 Zespół Wydział Informatyki i Komunikacji Katedra Inżynierii Wiedzy Agata Berdowska Krzysztof

Bardziej szczegółowo

II Kongres Online Marketing Warszawa 20/10/2011

II Kongres Online Marketing Warszawa 20/10/2011 II Kongres Online Marketing Warszawa 20/10/2011 Agenda Przyszłość Marketing internetowy w Polsce Display There is a perfect ad for everyone Twitter Joining Up Online & Offline Social Media i SEO Google+

Bardziej szczegółowo

Program szkolenia: Fundamenty testowania

Program szkolenia: Fundamenty testowania Program szkolenia: Fundamenty testowania Informacje ogólne Nazwa: Kod: Kategoria: Grupa docelowa: Czas trwania: Forma: Fundamenty testowania Testowanie-fun Testowanie testerzy, test managerowie 2 dni 50%

Bardziej szczegółowo

Zakopane, plan miasta: Skala ok. 1: = City map (Polish Edition)

Zakopane, plan miasta: Skala ok. 1: = City map (Polish Edition) Zakopane, plan miasta: Skala ok. 1:15 000 = City map (Polish Edition) Click here if your download doesn"t start automatically Zakopane, plan miasta: Skala ok. 1:15 000 = City map (Polish Edition) Zakopane,

Bardziej szczegółowo

Co już można, a co będzie można zrobić w e-podręczniku technologicznie?

Co już można, a co będzie można zrobić w e-podręczniku technologicznie? Co już można, a co będzie można zrobić w e-podręczniku technologicznie? Tomasz Kuczyński, Poznańskie Centrum Superkomputerowo-Sieciowe Warszawa, 29 października 2013 r. Zaprezentuję Co już można, a co

Bardziej szczegółowo

Crowdfunding, czyli kapitał z nieba

Crowdfunding, czyli kapitał z nieba Crowdfunding, czyli kapitał z nieba AGENDA OD POMYSŁU DO BIZNESU CZEGO SZUKAJĄ TRADYCYJNI INWESTORZY REWOLUCJA INTERNETOWA NA RYNKU KAPITAŁOWYM CROWDFUNDING W POLSCE OD IDEI DO BIZNESU idea absurd KNOW-HOW

Bardziej szczegółowo

Google (i nie tylko) dla biznesu. Maciej Kuczera

Google (i nie tylko) dla biznesu. Maciej Kuczera Google (i nie tylko) dla biznesu Maciej Kuczera Ostrołęka, 15 marca 2017 O czym dziś porozmawiamy? 1. Czy warto zaistnieć w internecie? 2. Od czego zacząć? 3. O kim i o czym pamiętać na początek? 4. Czy

Bardziej szczegółowo

SOA Web Services in Java

SOA Web Services in Java Wydział Informatyki i Zarządzania Wrocław,16 marca 2009 Plan prezentacji SOA 1 SOA 2 Usługi Przykłady Jak zacząć SOA Wycinek rzeczywistości Problemy zintegrowanych serwisów : Wycinek Rzeczywistości Zacznijmy

Bardziej szczegółowo

Dentsu Aegis Network Polska

Dentsu Aegis Network Polska Przywództwo w zmianie czy może zmiana w sposobie przewodzenia? Dentsu Aegis Network Polska WIOSENNA KONFERENCJA HAY GROUP Warszawa, 13 marzec 2014 AGENDA 1. Krótkie wprowadzenie do świata polskich mediów

Bardziej szczegółowo

O mnie

O mnie O mnie Cele sesji Cele sesji Dlaczego? http://www.zdnet.com/article/microsofts-r-strategy/ Źródło: https://azure.microsoft.com/enus/blog/forrester-names-microsoft-azurea-leader-in-big-data-hadoop-cloudsolutions/

Bardziej szczegółowo

Data Center w erze cloud a. Wojciech Ehrenfeld we@onet.pl

Data Center w erze cloud a. Wojciech Ehrenfeld we@onet.pl Data Center w erze cloud a Wojciech Ehrenfeld we@onet.pl Agenda Wyzwania IT 2012-2015 Transformacja IT Data Center w nowych czasach OnetTechnologie jako przykład nowego podejścia Wyzwania IT - 2012-2015

Bardziej szczegółowo

[LEKCJA 1. W RESTAURACJI]

[LEKCJA 1. W RESTAURACJI] 20141201 [LEKCJA 1. W RESTAURACJI] ZAWARTOŚĆ Wstęp... 2 Dialog... 3 Słowniczek... 4 Tłumaczenie dialogu:... 6 Ćwiczenie... 7 Kontakt... 8 WSTĘP Pierwsza lekcja angielskiego. Lekcja pomoże przygotować się

Bardziej szczegółowo

Kim jesteśmy Co robimy Nasza oferta Doświadczenie Klienci Kontakt SPIS TREŚCI

Kim jesteśmy Co robimy Nasza oferta Doświadczenie Klienci Kontakt SPIS TREŚCI Kim jesteśmy Co robimy Nasza oferta Doświadczenie Klienci Kontakt SPIS TREŚCI OHHO Media to prężenie rozwijająca się, warszawska agencja kreatywna, działająca w obszarze mediów tradycyjnych i cyfrowych.

Bardziej szczegółowo

Trendy zmian w architekturze ubezpieczeniowych systemów IT

Trendy zmian w architekturze ubezpieczeniowych systemów IT Trendy zmian w architekturze ubezpieczeniowych systemów IT Systemy zintegrowane IT Core Business Spojrzenie funkcjonalne Zbigniew Jamroz Konferencja GIGACON IT w Ubezpieczeniach 02.03.2017 r. 2 IT CORE

Bardziej szczegółowo

Modele bancassurance na wybranych rynkach europejskich na podstawie analizy Polskiej Izby Ubezpieczeń

Modele bancassurance na wybranych rynkach europejskich na podstawie analizy Polskiej Izby Ubezpieczeń Modele bancassurance na wybranych rynkach europejskich na podstawie analizy Polskiej Izby Ubezpieczeń Anna Tarasiuk-Flodrowska, radca prawny, Counsel październik 2012 r. Departament Instytucji Finansowych

Bardziej szczegółowo

AGNIESZKA SZKLARCZYK EKSPERT OPTYMALIZACJI ORAZ ZASTOSOWANIA KAIZEN W MARKETINGU

AGNIESZKA SZKLARCZYK EKSPERT OPTYMALIZACJI ORAZ ZASTOSOWANIA KAIZEN W MARKETINGU DOSTARCZAM REZULTATY TWORZĄC STRATEGIĘ MARKETINGOWĄ W OPARCIU O METODOLOGIĘ KAIZEN KIM JEST? EKSPERT - W DZIEDZINIE OPTYMALIZACJI ORAZ ZASTOSOWANIA METODOLOGII KAIZEN W MARKETINGU PRAKTYK BIZNESU - OD

Bardziej szczegółowo

Karpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition)

Karpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition) Karpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition) J Krupski Click here if your download doesn"t start automatically Karpacz, plan miasta 1:10 000: Panorama

Bardziej szczegółowo

US-Poland Innovation Hub. US-Poland Innovation Hub. Top 500 Innovators 160 Alumni in 2011-2013. US-Poland Innovation Hub. Go Global, Poland!

US-Poland Innovation Hub. US-Poland Innovation Hub. Top 500 Innovators 160 Alumni in 2011-2013. US-Poland Innovation Hub. Go Global, Poland! Go Global, Poland! dr Krzysztof Dyczkowski Science for Industry: Necessity is the mother of invention Warszawa, 18 września 2013 Top 500 Innovators Science Commercialization Management Top 500 Innovators

Bardziej szczegółowo

IBM DATASTAGE COMPETENCE CENTER

IBM DATASTAGE COMPETENCE CENTER IBM DATASTAGE COMPETENCE CENTER W informacji drzemie ogromny potencjał biznesowy. Odpowiednio opisane i wykorzystane dane stanowią podstawę sprawnie funkcjonującego przedsiębiorstwa. Wykorzystując najnowocześniejsze

Bardziej szczegółowo

Ankiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl. magda.szewczyk@slo-wroc.pl. Twoje konto Wyloguj. BIODIVERSITY OF RIVERS: Survey to teachers

Ankiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl. magda.szewczyk@slo-wroc.pl. Twoje konto Wyloguj. BIODIVERSITY OF RIVERS: Survey to teachers 1 z 7 2015-05-14 18:32 Ankiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl Back Twoje konto Wyloguj magda.szewczyk@slo-wroc.pl BIODIVERSITY OF RIVERS: Survey to teachers Tworzenie ankiety Udostępnianie

Bardziej szczegółowo

PiLab: polski podręcznik sukcesu

PiLab: polski podręcznik sukcesu PiLab: polski podręcznik sukcesu STUDIUM PRZYPADKU dr hab. Dominika Latusek-Jurczak Katedra Zarządzania, Akademia Leona Koźmińskiego Ul. Jagiellońska 59, 01-310 Warszawa latusek@kozminski.edu.pl dr Tomasz

Bardziej szczegółowo

LOJALNI 2017 RAPORT O KONSUMENTACH WYKONAWCA BADANIA:

LOJALNI 2017 RAPORT O KONSUMENTACH WYKONAWCA BADANIA: WYKONAWCA BADANIA: NOTA METODOLOGICZNA Badanie przeprowadzone na panelu Ariadna. Ogólnopolska próba użytkowników Internetu w wieku od 18 lat wzwyż (N=1074). Kwoty dobrane wg reprezentacji w populacji internautów

Bardziej szczegółowo

Jako idealiści wierzymy, że pasje należy materializować. Zapraszamy do wzięcia udziału w 24-tygodniowym programie, którego celem jest przekształcanie

Jako idealiści wierzymy, że pasje należy materializować. Zapraszamy do wzięcia udziału w 24-tygodniowym programie, którego celem jest przekształcanie Jako idealiści wierzymy, że pasje należy materializować. Zapraszamy do wzięcia udziału w 24-tygodniowym programie, którego celem jest przekształcanie pomysłów biznesowych i swoich pasji w produkty gotowe

Bardziej szczegółowo

The Key to Omnichannel Success

The Key to Omnichannel Success The Key to Omnichannel Success Delivering the right data to the right customer, retail & e-commerce Justyna Skorupska Sopot 2014 e-izba - IZBA GOSPODARKI ELEKTRONICZNEJ MISJA E-COMMERCE POLSKA Misją e-commerce

Bardziej szczegółowo

BIG DATA ZNACZENIE, ZASTOSOWANIA I ROZWIĄZANIA TECHNOLOGICZNE

BIG DATA ZNACZENIE, ZASTOSOWANIA I ROZWIĄZANIA TECHNOLOGICZNE Zeszyty Naukowe PWSZ w Płocku Nauki Ekonomiczne, t. XXIII, 2016. Państwowa Wyższa Szkoła Zawodowa w Płocku BIG DATA ZNACZENIE, ZASTOSOWANIA I ROZWIĄZANIA TECHNOLOGICZNE Streszczenie: Technologie Big Data

Bardziej szczegółowo

Steps to build a business Examples: Qualix Comergent

Steps to build a business Examples: Qualix Comergent How To Start a BUSINESS Agenda Steps to build a business Examples: Qualix Comergent 1 Idea The Idea is a Piece of a Company 4 2 The Idea is a Piece of a Company Investing_in_New_Ideas.wmv Finding_the_Problem_is_the_Hard_Part_Kevin

Bardziej szczegółowo

Fujitsu World Tour 2016

Fujitsu World Tour 2016 Fujitsu World Tour 2016 Responsible Business Marcin Olszewski Human Centric Innovation in Action 0 Copyright 2016 FUJITSU Celem FUJITSU jest opracowywanie innowacji ukierunkowanych na człowieka 1 Copyright

Bardziej szczegółowo

Marketing w ecommerce

Marketing w ecommerce Marketing w ecommerce Czyli: Top 10 taktyk dla zwiększenia sprzedaży w e-commerce 17 października 2018 Kluczowe dane dla e-commerce w PL 18 października 2018 Źródło: Gemius Ecommerce Raport 2018 70 60

Bardziej szczegółowo

Zaawansowany kurs języka Python

Zaawansowany kurs języka Python DBM, SQL 10 listopada 2011 Rodzaje baz danych Trwałe słowniki Klient-serwer SQL Bekreley DB Gnu dbm (n)dbm Firebird Sqlite Oracle MySQL PostgeSQL DB/2 Plan wykładu 1 Bazy danych DBM 2 3 4 Grafowe bazy

Bardziej szczegółowo

Mateusz Kurleto NEOTERIC. Analiza projektu B2B Kielce, 18 października 2012

Mateusz Kurleto NEOTERIC. Analiza projektu B2B Kielce, 18 października 2012 2012 Pierwsze przymiarki do zakresu informatyzacji (rodzaj oprogramowania: pudełkowe, SaaS, Iaas, CC, PaaS. Zalety i wady: dostępność, koszty, narzędzia, ludzie, utrzymanie, bezpieczeństwo, aspekty prawne)

Bardziej szczegółowo

MOŻLIWOŚCI WSPIERANIA EUROPEJSKICH FIRM TECHNOLOGICZNYCH W DOLINIE KRZEMOWEJ

MOŻLIWOŚCI WSPIERANIA EUROPEJSKICH FIRM TECHNOLOGICZNYCH W DOLINIE KRZEMOWEJ Title of the presentation Date # MOŻLIWOŚCI WSPIERANIA EUROPEJSKICH FIRM TECHNOLOGICZNYCH W DOLINIE KRZEMOWEJ Paweł Pietrasieński Radca - Minister Wydział Promocji Handlu i Inwestycji Ambasady RP w Waszyngtonie

Bardziej szczegółowo

Micro świat na wyciągnięcie ręki

Micro świat na wyciągnięcie ręki Micro świat na wyciągnięcie ręki Robert Karbowiak MicroBioLab Sp. z o.o. Konferencja BioTech-IP Międzynarodowy Instytut Biologii Molekularnej i Komórkowej Jak ugryźć 10 milionów III finansowanie badań

Bardziej szczegółowo

KIM JESTEŚMY? ASM GROUP S.A., ul. Świętokrzyska 18, 00-052 Warszawa, tel.: (+48) 22 892 94 61, fax: (+48) 22 892 94 62, www.asmgroup.

KIM JESTEŚMY? ASM GROUP S.A., ul. Świętokrzyska 18, 00-052 Warszawa, tel.: (+48) 22 892 94 61, fax: (+48) 22 892 94 62, www.asmgroup. KIM JESTEŚMY? ASM GROUP S.A. wraz ze spółkami zależnymi tworzy grupę kapitałową specjalizującą się w kompleksowych usługach wsparcia sprzedaży i outsourcingu w Polsce i za granicą. DLACZEGO WARTO INWESTOWAĆ

Bardziej szczegółowo